chain-estimation-decision-storytelling

連鎖型の推定 → 意思決定 → ストーリーテリング

目次

• ワークフロー
• 一般的なパターン
• ガードレール
• クイックリファレンス

3つのフェーズで構成されます。推定（不確実な変数を範囲と確率で定量化する）、意思決定（期待値またはスコアリングを適用して最適な選択肢を特定する）、ストーリーテリング（分析を、関係者に伝わる説得力のある物語にまとめる）。

クイック例：

# Should we build custom analytics or buy a SaaS tool?

## Estimation
Build custom: $200k-$400k dev cost (60% likely $300k), $50k/year maintenance
Buy SaaS: $120k/year subscription, $20k implementation

## Decision
Expected 3-year cost:
- Build: $300k + (3 × $50k) = $450k
- Buy: $20k + (3 × $120k) = $380k
- Difference: $70k savings with Buy

Expected value with risk adjustment:
- Build: 30% chance of 2x cost overrun → $510k expected
- Buy: 95% confidence in pricing → $380k expected
- Recommendation: Buy (lower cost, lower risk)

## Story
"We evaluated building custom analytics vs. buying a SaaS solution. While building seems cheaper initially ($300k vs. $380k over 3 years), custom development carries significant risk—30% of similar projects experience 2x cost overruns, bringing expected cost to $510k. The SaaS solution offers predictable pricing, faster time-to-value (2 months vs. 8 months), and proven reliability. Recommendation: Buy the SaaS tool, saving $130k in expected costs and delivering value 6 months earlier."

ワークフロー

このチェックリストをコピーして、進捗を記録してください。

Chain Estimation → Decision → Storytelling Progress:
- [ ] Step 1: Clarify decision and gather inputs
- [ ] Step 2: Estimate uncertain variables
- [ ] Step 3: Analyze decision with expected value
- [ ] Step 4: Craft persuasive narrative
- [ ] Step 5: Validate and deliver

ステップ 1：意思決定の内容を明確にし、情報を集める

選択内容を定義し（どのような意思決定が必要ですか？）、選択肢を特定し（比較する選択肢は2～5個）、不確実性を列挙し（どの変数が不明、または確率的ですか？）、対象者を確認し（誰を納得させる必要がありますか？）、制約を明確にします（予算、期間、要件）。意思決定が実行可能であり、選択肢が相互排他的であることを確認してください。

ステップ 2：不確実な変数を推定する

各選択肢について、コスト（固定費、変動費、機会費用）を定量化し、便益（収益、節約、生産性）を推定し、シナリオ（最良、基本、最悪）に確率を割り当て、感度分析を行います（最も影響の大きい入力はどれですか？）。単一の推定値ではなく、範囲を使用してください。単純なケースでは、構造化された推定を行うために resources/template.md を使用します。複雑なケースでは、高度な手法（モンテカルロ法、決定木、リアルオプション）について resources/methodology.md を確認してください。

ステップ 3：期待値を使って意思決定を分析する

各選択肢の期待される結果（確率で加重した平均）を計算し、意思決定基準（NPV、投資回収期間、IRR、効用）を使って比較し、優位な選択肢（期待値またはリスク調整後リターンが最も高いもの）を特定し、頑健性を検証します（妥当な入力範囲全体で結論は変わりませんか？）。前提条件を明示的に記録してください。意思決定の種類に応じたアプローチについては、一般的なパターンを参照してください。

ステップ 4：説得力のあるストーリーを作成する

次の要素でストーリーを構成します。問題の説明（なぜこの意思決定が重要なのか）、検討した選択肢（十分に検討したことを示す）、分析の要約（主要な数値と論理）、推奨事項（理由を添えた明確な選択）、次のステップ（承認された場合に何が起こるか）。対象者に合わせて内容を調整してください。経営幹部には結論とリスク、技術チームには手法と前提条件、財務部門には数値と感度が重要です。

ステップ 5：検証して提出する

resources/evaluators/rubric_chain_estimation_decision_storytelling.json を使って自己チェックします。推定値が根拠となる情報源または論理によって正当化されていること、確率が適切に調整されていること（過度に自信過剰でないこと）、期待値の計算が正しいこと、感度分析で主要な要因が特定されていること、ストーリーが明確で説得力があること、前提条件が明記されていること、リスクと制約が認識されていることを確認してください。最低基準：スコア ≥ 3.5。分析と推奨事項の全内容を含む出力ファイル chain-estimation-decision-storytelling.md を作成してください。

共通パターン

内製か購入かの判断の場合：

• 見積もり：開発コスト（工数 × 単価）、保守コスト、SaaS サブスクリプション、導入コスト
• 判断：3～5 年間の TCO を算出し、スケジュール超過や機能不足のリスクを考慮
• 説明：「内製すれば主導権を握れますが、コストはさらに $X かかり、期間も Y か月長くなります……」

市場参入の判断の場合：

• 見積もり：TAM／SAM／SOM、CAC、LTV、黒字化までの期間
• 判断：市場の不確実性を考慮した期待 NPV（楽観・悲観シナリオ）
• 説明：「今参入すれば、基本シナリオでは 3 年目までに売上が $X になりますが、市場への普及が遅れた場合は……」

リソース配分の場合：

• 見積もり：各施策のコスト、期待される効果（売上、コスト削減、戦略的価値）
• 判断：効果／工数のスコアリング、または期待値による順位付け
• 説明：「予算が $X の場合、この 3 つの施策で期待リターンは $Y となり、代替案では $Z となります……」

技術選定の場合：

• 見積もり：移行コスト、運用コスト、パフォーマンス向上、リスク低減
• 判断：3～5 年間の TCO に、リスク調整後のメリットを加味
• 説明：「X への移行には初期費用として $Y かかりますが、年間 $Z のコストを削減でき、障害リスクも……から低減できます」

採用・人員配置の判断の場合：

• 見積もり：報酬、採用コスト、戦力化までの期間、生産性への影響
• 判断：増加する成果単位あたりのコストを、代替案（契約社員、ベンダー、自動化）と比較
• 説明：「エンジニアを 3 人採用すると、コストは $X ですが、追加で $Y の能力を確保でき、これによって……が可能になります」

留意事項

すべきこと：

• 不確実性の高い見積もりには、過度に精密な値ではなく幅を持たせます
• データまたは明示的な根拠に基づいて確率を割り当てます
• 期待値を正しく計算します（確率で重み付けした結果）
• 感度分析を行います（前提を検証します）
• 前提を明示します
• リスクと限界を認めます
• 対象者に合わせて説明を調整します（経営幹部、技術担当者、財務担当者）
• 「何があれば考えを変えるか」の条件を含めます
• 分析過程を示します（透明性のある方法論）
• 結論が異なる前提でも成り立つか、頑健性を検証します

すべきでないこと：

• 不確実性が非常に高い変数に、単一の推定値を使います
• 不確実性が ±50％なのに「$347,291」のような過度に精密な値を示します
• リスクや下振れシナリオを無視します
• 楽観的な前提だけを選びます
• 前提や方法論を隠します
• 見積もりへの確信度を誇張します
• 感度分析を省きます
• 代替案を分析する前に推奨案を決めます
• 対象者に用語を説明せず、専門用語を使います
• 次のステップや判断基準を明示し忘れます

よくある落とし穴：

• アンカリングバイアス：最初の見積もりが、代替案を検証しないまま「既定値」になります
• 楽観バイアス：最良のシナリオが、実際より起こりやすく感じられます
• サンクコストの誤謬：将来の判断に影響させるべきでない過去のコストを含めます
• 過信：実際の不確実性を反映しない狭い範囲を設定します
• 機会費用の無視：そのリソースでほかに何ができるかを考慮しません
• 分析麻痺：入手可能な情報で判断するより、見積もりに時間をかけすぎます

クイックリファレンス

• テンプレート：resources/template.md - 見積もり → 判断 → 説明の構造化フレームワーク
• 方法論：resources/methodology.md - 高度な手法（モンテカルロ法、決定木、リアルオプション）
• 例：resources/examples/ - 手順付きの例（内製か購入か、市場参入、採用の判断）
• 品質評価基準：resources/evaluators/rubric_chain_estimation_decision_storytelling.json
• 出力ファイル：chain-estimation-decision-storytelling.md
• 主な特徴：定量的な厳密さ（見積もり、期待値）と定性的な説得力（説明、ステークホルダー間の合意形成）を組み合わせます
• 使用する場面：不確実性があり、関係者の賛同が必要な重要度の高い判断（定型的な選択や、純粋にデータに基づく最適化には使いません）